Копула-модели

Копула — это многомерное распределение с равномерными маргинальными распределениями, которое кодирует зависимость между переменными отдельно от их индивидуальных маргинальных распределений.

Definition

Копула-модель представляет совместное распределение путем комбинирования произвольных маргинальных распределений с функцией копулы, которая отражает структуру зависимости на единичном гиперкубе равномерных маргинальных распределений.

Scope

Эта тема охватывает теорему Склара и разложение совместного распределения на маргинальные распределения и копулу, общие семейства копул, такие как гауссова, t-копула и архимедовы копулы, меры зависимости, включая ранговую корреляцию и хвостовую зависимость, а также оценку и моделирование моделей на основе копул.

Core questions

• Как можно моделировать зависимость отдельно от маргинальных распределений?
• Какие семейства копул отражают какие виды зависимости, включая хвостовую зависимость?
• Как оцениваются и моделируются копула-модели?
• Когда зависимость в хвостах имеет значение для совместного риска?

Key theories

Теорема Склара

Каждое многомерное распределение может быть записано в терминах его маргинальных распределений и связывающей их копулы, а для непрерывных маргинальных распределений копула уникальна, что обосновывает отдельное моделирование маргинальных распределений и зависимости.

Хвостовая зависимость

Различные копулы подразумевают разную степень совместного экстремального поведения; коэффициенты хвостовой зависимости количественно определяют тенденцию переменных принимать экстремальные значения вместе, свойство, которого нет у гауссовой копулы, но которым обладают t-копула и некоторые архимедовы копулы.

Clinical relevance

Копула-модели широко используются для моделирования и симуляции зависимости в количественных финансах и страховании, гидрологии и надежности, где совместное возникновение экстремальных событий является основной проблемой.

History

Концепция копулы была введена Скларом в 1959 году, его теорема установила разделение маргинальных распределений и зависимости. Копулы стали заметными в прикладном моделировании зависимости с конца двадцатого века, особенно в управлении рисками, где ограничения гауссовой копулы в хвостах позже привлекли пристальное внимание.

Debates

Неправильное использование гауссовой копулы

Гауссова копула широко применялась в моделировании финансовых рисков, но не имеет хвостовой зависимости, поэтому она может значительно недооценивать вероятность совместных экстремальных потерь, что было подчеркнуто после финансового кризиса.

Key figures

• Abe Sklar
• Roger Nelsen
• Harry Joe

Seminal works

• nelsen2006
• joe1997
• mcneil2015

Frequently asked questions

Зачем разделять маргинальные распределения и зависимость?

Это позволяет моделировать маргинальное распределение каждой переменной с использованием ее собственной подходящей формы, в то время как копула независимо отражает, как переменные движутся вместе, обеспечивая большую гибкость моделирования.

Что такое хвостовая зависимость?

Это тенденция переменных принимать экстремальные значения одновременно; копулы различаются по тому, допускают ли они такие совместные экстремумы, что имеет большое значение для моделирования совместного риска.